Geospatial distribution and risk factors of COVID-19 in a low-density municipality in Minas Gerais, Brazil
Notice bibliographique
Résumé
Introduction: The human population has faced several pandemics throughout history, with the most recent being COVID-19. Studies on COVID-19 in Brazil, in general, have primarily focused on the country as a whole or on large urban centers. However, prevention measures should also consider smaller municipalities, as the disease has significantly affected these areas as well. Objective: To evaluate the geospatial distribution and risk factors associated with SARS-CoV-2 infection in residents of a low-population-density municipality in the state of Minas Gerais, Brazil. Material and Methods: This retrospective cross-sectional study collected data from COVID-19 notification forms recorded by the Municipal Health Surveillance in Santos Dumont, Minas Gerais, Brazil, from March 2020 to July 2021. Variables associated with SARS-CoV-2 infections were evaluated using explanatory univariate and multivariate logistic regression models. The occurrence of possible spatial clusters among the reported COVID-19 cases in the municipality was assessed using Kernel Density Estimation (KDE) and Spatial Scan analyses. The main variables explored as explanatory for SARS-CoV-2 infections were race/ethnicity, gender, and health-related occupations. Results: Out of 8,271 individuals with suspected COVID-19 in Santos Dumont, 55% (4,595) declared themselves as residents of the municipality. Among these, 4,093 had complete records for spatial analysis, with 1,274 (31%) testing positive for SARS-CoV-2. The choropleth map revealed that infections were concentrated in the central region of the municipality. Univariate analysis showed no statistically significant differences in infection rates based on gender or race/color. However, multivariate analysis indicated that non-health professionals had a significantly higher risk of SARS-CoV-2 infection (OR 2.042; 95% CI 1.41-2.94). Conclusion: The central, denser area of the municipality was more susceptible to SARS-CoV-2 transmission. Additionally, non-health professionals faced higher risks of infection. These findings can serve as tools for the development of public health policies to control future pandemics.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».